心血管疾病的患病率和死亡率呈逐年升高的趋势,已经严重威胁到了人类的健康。随着疾病复杂化和多样化发展,医疗费用在逐渐升高,而医疗质量却在逐渐下降。临床路径作为一种标准化的诊疗流程,能够有效提高心血管疾病的医疗质量、减少治疗天数和医疗费用等。但是,标准的临床路径诊疗流程只针对单一疾病。而临床上,心血管疾病本身具有复杂性和模糊不确定性,多伴随一种或多种并发症。在临床路径实施过程中,一旦患者出现并发症,就只能退出临床路径。这样导致了心血管疾病临床路径的变异率升高、医疗质量降低,违背了临床路径的最初目的。优化具有并发症的心血管疾病临床路径是目前临床路径优化的重点研究方向。本课题针对具有并发症的心血管疾病临床路径,提出了一种二级临床路径优化方法。使用该方法优化临床路径,有利于扩大心血管疾病的病种覆盖范围,降低因并发症引起的临床路径变异。主要研究内容如下:(1)分析大量医疗数据,选取心内科糖尿病加高血压作为研究的原病种。通过计算并发症的并发率,选取并发率最高的心绞痛作为研究的并发症病种。(2)利用诊疗单元的划分方法将原病种和并发症的临床路径分别按照医嘱类型和治疗功效进行划分和合并,完成原病种与并发症的临床路径合并工作。(3)以糖尿病加高血压和心绞痛为例,以临床路径的治疗天数为最终指标,基于BP神经网络建立了临床路径优化预测模型。通过分析模型输出值与期望值之间的误差和相对误差,验证了基于BP神经网络的优化方法能够减少临床路径的治疗天数。(4)分别采用不同的隐层神经元数量对临床路径进行优化建模,实验验证了当神经元的数量增多时,训练模型的相对误差减少了0.2%,测试模型的相对误差减少了0.35%。本课题研究及实验验证了BP神经网络方法在临床路径优化方面是合理可行的,同时运用诊疗单元将临床路径的医嘱项目进行划分,进一步提高了临床路径优化的可靠性。因并发症变异导致退出临床路径的状况得到了有效的控制,从而有效减少治疗天数和医疗费用,提高医疗质量,加快临床路径的进一步发展。